CN106526434A - 一种局部放电模式的识别方法和装置 - Google Patents
一种局部放电模式的识别方法和装置 Download PDFInfo
- Publication number
- CN106526434A CN106526434A CN201610885075.1A CN201610885075A CN106526434A CN 106526434 A CN106526434 A CN 106526434A CN 201610885075 A CN201610885075 A CN 201610885075A CN 106526434 A CN106526434 A CN 106526434A
- Authority
- CN
- China
- Prior art keywords
- shelf depreciation
- discharge signal
- information
- pattern
- partial discharge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Abstract
本发明公开了一种局部放电模式的识别方法和装置,该方法包含如下步骤:S1,获取预设采样时长内电力设备的局部放电信号;S2,将预设采样时长均分成含有N个采样点的T个时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;S3,对各个局部放电信息进行处理,获得局部放电信息特征矩阵;S4,依据预设模式识别算法,识别所述局部放电信息特征矩阵对应的放电模式。本发明采集局部放电信号构造随机矩阵,通过神经网络来识别局部放电信号的随机矩阵谱分布,进而实现对不同类型局部放电信号的识别。
Description
技术领域
本发明涉及电力监测技术领域,特别涉及一种局部放电模式的识别方法和装置。
背景技术
很小的绝缘缺陷在电力设备带电运行状态下会由小变大,最终可能诱发整体的绝缘性故障,造成大面积停电,给国民经济带来损失,而局部放电模式识别对及时发现绝缘损坏程度和设备检修有重大意义。近年来,国内外学者在局放模式识别领域展开了大量的研究工作,神经网络、小波变换、分形理论以及隐马尔可夫模型在局部放电模式识别理论中有较广泛的应用,取得了显著的效果。其中以PRPD图谱为基础的识别方法存在一定的局限性,即工频相位φ在局部放电过程中意义并不是很大,且在直流输电系统中,由于直流设备的存在已无相位信息。而以脉冲波形或者脉冲峰值作为识别特征量的办法受电压值的影响较大,抗干扰性不强,对于非平稳放电信号是不适用的。
发明内容
本发明的目的是提供一种局部放电模式的识别方法和装置,采集到的局部放电信号构造随机矩阵,通过神经网络来识别局部放电信号的随机矩阵谱分布,进而实现对不同类型局部放电信号的识别。
为了实现以上目的,本发明是通过以下技术方案实现的:
一种局部放电模式的识别方法,其特点是,包含如下步骤:
S1,获取预设采样时长内电力设备的局部放电信号;
S2,将所述预设采样时长均分成含有N个数的T个时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;
S3,对所述各个局部放电信息进行处理,获得采样时长内局部放电信息特征矩阵;
S4,依据预设模式识别算法,识别所述局部放电信息特征向量对应的放电模式。
所述的步骤S3具体为:对各个局部放电时间序列进行运算,构造局部放电信息的随机矩阵,并选取局部放电模式识别的局部放电信息特征矩阵。
所述预设模式识别算法包括:神经网络算法、支持向量机算法或隐马尔可夫法。
所述步骤S1包括:
S1.1,随机确定获取起始时间点;
S1.2,以所述起始时间点为起点,获取预设采样时长内电力设备的局部放电信号。
一种局部放电模式的识别装置,其特点是,包含:
放电信号获取单元,用于获取预设采样时长内电力设备的局部放电信号;
放电信息统计单元,用于将所述预设采样时长均分成含有N个数的T个时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;
随机矩阵获得单元,用于对所述各个局部放电信息进行运算,获得局部放电信息特征向量;
放电模式识别单元,用于依据预设模式识别算法,识别所述局部放电信息特征向量对应的放电模式。
所述的随机矩阵获得单元包含:
特征向量选取子单元,用于选取随机矩阵中的局部放电模式识别的局部放电信息特征向量;
随机矩阵构造子单元,用于对所述各个局部放电信息进行运算,构造局部放电信息的随机矩阵。
所述放电信号获取单元包括:
起始时间点确定子单元,用于随机确定获取起始时间点;
放电信号获取子单元,用于以所述起始时间点为起点,获取预设采样时长内电力设备的局部放电信号。
本发明与现有技术相比,具有以下优点:
本发明采集到的局部放电信号构造随机矩阵,通过神经网络来识别局部放电信号的随机矩阵谱分布,进而实现对不同类型局放信号的识别,算法简单且稳定性高,受波形时间序列的干扰影响较小,具有工程实用性。
附图说明
图1为本发明一种局部放电模式的识别方法的流程图;
图2为局部放电信号的高维随机矩阵构造图。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
如图1所示,一种局部放电模式的识别方法,包含如下步骤:
S1,获取预设采样时长内电力设备的局部放电信号。
其中,采样时长与局部放电信号的频率以及采样单元的采样率相关,本实施例中,采样时长可以为20ms。电力设备出现局部放电现象时,可以获取局部放电检测设备采集到的局部放电信号。本步骤的获取过程可以具体包括:随机确定获取起始时间点,以所述起始时间点为起点,获取预设采样时长内电力设备的局部放电信号。也就是说,获取的局部放电信号可以是任意一个起始点开始的采样时长内的局部放电信号。
S2,将所述预设采样时长均分成含有N个数的时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;
其中,可以将预设采样时长,如20ms,进行均分,以获得多个时间间隔。需要说明的是,时间间隔的个数越多,放电模式识别的准确性越高,但识别运算量越大,效率相应降低。本发明实施例中,可选地,预设个数可以为128-256中的任意值。
S3,对所述各个局部放电信息进行处理,获得采样时长内局部放电信息特征矩阵;具体的,对各个局部放电时间序列进行运算,构造局部放电信息的随机矩阵,并选取局部放电模式识别的局部放电信息特征矩阵。
针对局部放电信号构建高维随机矩阵,可以利用单位时间间隔Δt的数据向量来生成矩阵X,其表达式如式(1)所示,数据生成方法见图2。
X是N×T随机矩阵,可以通过改变采样频率和采样时长来调整矩阵X的行列数比值,以保证矩阵X满足随机矩阵理论分析的要求。
S4,依据预设模式识别算法,识别所述局部放电信息特征向量对应的放电模式。
所述预设模式识别算法包括:神经网络算法、支持向量机算法或隐马尔可夫法,本实施例中采用BP神经网络算法。
预设放电模式为六种,分别为板-板放电、悬浮电极放电、气隙放电、高压沿面放电、电晕放电及油隙放电;
局部放电现象是由电力设备的绝缘缺陷造成的,不同的绝缘缺陷产生的放电模式不尽相同,通过识别出的放电模式可以确定导致该种放电模式的绝缘缺陷类型,进而依据该绝缘缺陷类型对电力设备进行检修。
一种局部放电模式的识别装置,包含:放电信号获取单元,用于获取预设采样时长内电力设备的局部放电信号;放电信息统计单元,用于将所述预设采样时长均分成含有N个数的T个时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;随机矩阵获得单元,用于对所述各个局部放电信息进行运算,获得局部放电信息特征矩阵;放电模式识别单元,用于依据预设模式识别算法,识别所述局部放电信息特征向量对应的放电模式。
上述的随机矩阵获得单元包含:特征向量选取子单元,用于选取随机矩阵中的局部放电模式识别的局部放电信息特征向量;随机矩阵构造子单元,用于对所述各个局部放电信息进行运算,构造局部放电信息的随机矩阵。
上述放电信号获取单元包括:起始时间点确定子单元,用于随机确定获取起始时间点;放电信号获取子单元,用于以所述起始时间点为起点,获取预设采样时长内电力设备的局部放电信号。
综上所述,本发明一种局部放电模式的识别方法和装置,采集到的局部放电信号构造随机矩阵,通过神经网络来识别局部放电信号的随机矩阵谱分布,进而实现对不同类型局部放电信号的识别。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.一种局部放电模式的识别方法,其特征在于,包含如下步骤:
S1,获取预设采样时长内电力设备的局部放电信号;
S2,将所述预设采样时长均分成含有N个数的T个时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;
S3,对所述各个局部放电信息进行处理,获得采样时长内局部放电信息特征矩阵;
S4,依据预设模式识别算法,识别所述局部放电信息特征向量对应的放电模式。
2.如权利要求1所述的局部放电模式的识别方法,其特征在于,所述的步骤S3具体为:对各个局部放电时间序列进行运算,构造局部放电信息的随机矩阵,并选取局部放电模式识别的局部放电信息特征矩阵。
3.如权利要求1所述的局部放电模式的识别方法,其特征在于,所述预设模式识别算法包括:神经网络算法、支持向量机算法或隐马尔可夫法。
4.如权利要求1所述的局部放电模式的识别方法,其特征在于,所述步骤S1包括:
S1.1,随机确定获取起始时间点;
S1.2,以所述起始时间点为起点,获取预设采样时长内电力设备的局部放电信号。
5.一种局部放电模式的识别装置,其特征在于,包含:
放电信号获取单元,用于获取预设采样时长内电力设备的局部放电信号;
放电信息统计单元,用于将所述预设采样时长均分成含有N个数的T个时间间隔,统计所述局部放电信号在每个所述时间间隔内的局部放电信息;
随机矩阵获得单元,用于对所述各个局部放电信息进行运算,获得局部放电信息特征矩阵;
放电模式识别单元,用于依据预设模式识别算法,识别所述局部放电信息特征向量对应的放电模式。
6.如权利要求5所述的局部放电模式的识别装置,其特征在于,所述的随机矩阵获得单元包含:
特征向量选取子单元,用于选取随机矩阵中的局部放电模式识别的局部放电信息特征向量;
随机矩阵构造子单元,用于对所述各个局部放电信息进行运算,构造局部放电信息的随机矩阵。
7.如权利要求5所述的局部放电模式的识别装置,其特征在于,所述放电信号获取单元包括:
起始时间点确定子单元,用于随机确定获取起始时间点;
放电信号获取子单元,用于以所述起始时间点为起点,获取预设采样时长内电力设备的局部放电信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610885075.1A CN106526434A (zh) | 2016-10-11 | 2016-10-11 | 一种局部放电模式的识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610885075.1A CN106526434A (zh) | 2016-10-11 | 2016-10-11 | 一种局部放电模式的识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106526434A true CN106526434A (zh) | 2017-03-22 |
Family
ID=58331589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610885075.1A Pending CN106526434A (zh) | 2016-10-11 | 2016-10-11 | 一种局部放电模式的识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106526434A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991590A (zh) * | 2017-11-28 | 2018-05-04 | 广东电网有限责任公司珠海供电局 | 一种基于频域功率谱的电缆局部放电信号特征向量提取方法 |
CN108196168A (zh) * | 2017-10-27 | 2018-06-22 | 全球能源互联网研究院有限公司 | 一种局放脉冲检测方法、系统、终端及可读存储介质 |
CN109061426A (zh) * | 2018-11-02 | 2018-12-21 | 国网河北省电力有限公司电力科学研究院 | 变压器局部放电故障诊断方法及在线监测装置 |
CN110070179A (zh) * | 2019-04-28 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种识别高压线缆局部放电的方法及装置 |
CN112881879A (zh) * | 2021-04-16 | 2021-06-01 | 国网黑龙江省电力有限公司大庆供电公司 | 一种高压电缆终端局部放电模式识别方法、装置及设备 |
CN114492543A (zh) * | 2022-04-12 | 2022-05-13 | 国网山东省电力公司东营供电公司 | 一种基于时频域特征的局部放电分类识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003075501A (ja) * | 2001-06-22 | 2003-03-12 | Showa Electric Wire & Cable Co Ltd | 部分放電検出方法およびこれに用いる部分放電検出装置 |
CN102539527A (zh) * | 2010-12-27 | 2012-07-04 | 湖北省电力试验研究院 | 一种基于超声波检测的gis局部放电模式识别方法 |
CN102841296A (zh) * | 2012-09-10 | 2012-12-26 | 江苏科技大学 | 基于超高频检测的智能开关柜局部放电在线监测系统及方法 |
CN103592587A (zh) * | 2013-12-02 | 2014-02-19 | 国家电网公司 | 基于数据挖掘的局部放电诊断方法 |
CN104316846A (zh) * | 2014-08-28 | 2015-01-28 | 国家电网公司 | 一种电力设备局部放电模式识别方法、装置及系统 |
CN105044567A (zh) * | 2015-06-29 | 2015-11-11 | 许继集团有限公司 | 一种gis局部放电在线监测模式识别方法及系统 |
CN105606966A (zh) * | 2015-12-21 | 2016-05-25 | 安徽理工大学 | 基于混合神经网络算法的局部放电模式识别方法 |
CN105606977A (zh) * | 2016-03-11 | 2016-05-25 | 华乘电气科技(上海)股份有限公司 | 基于分层规则推理的局部放电prps图谱识别方法及系统 |
-
2016
- 2016-10-11 CN CN201610885075.1A patent/CN106526434A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003075501A (ja) * | 2001-06-22 | 2003-03-12 | Showa Electric Wire & Cable Co Ltd | 部分放電検出方法およびこれに用いる部分放電検出装置 |
CN102539527A (zh) * | 2010-12-27 | 2012-07-04 | 湖北省电力试验研究院 | 一种基于超声波检测的gis局部放电模式识别方法 |
CN102841296A (zh) * | 2012-09-10 | 2012-12-26 | 江苏科技大学 | 基于超高频检测的智能开关柜局部放电在线监测系统及方法 |
CN103592587A (zh) * | 2013-12-02 | 2014-02-19 | 国家电网公司 | 基于数据挖掘的局部放电诊断方法 |
CN104316846A (zh) * | 2014-08-28 | 2015-01-28 | 国家电网公司 | 一种电力设备局部放电模式识别方法、装置及系统 |
CN105044567A (zh) * | 2015-06-29 | 2015-11-11 | 许继集团有限公司 | 一种gis局部放电在线监测模式识别方法及系统 |
CN105606966A (zh) * | 2015-12-21 | 2016-05-25 | 安徽理工大学 | 基于混合神经网络算法的局部放电模式识别方法 |
CN105606977A (zh) * | 2016-03-11 | 2016-05-25 | 华乘电气科技(上海)股份有限公司 | 基于分层规则推理的局部放电prps图谱识别方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196168A (zh) * | 2017-10-27 | 2018-06-22 | 全球能源互联网研究院有限公司 | 一种局放脉冲检测方法、系统、终端及可读存储介质 |
CN107991590A (zh) * | 2017-11-28 | 2018-05-04 | 广东电网有限责任公司珠海供电局 | 一种基于频域功率谱的电缆局部放电信号特征向量提取方法 |
CN109061426A (zh) * | 2018-11-02 | 2018-12-21 | 国网河北省电力有限公司电力科学研究院 | 变压器局部放电故障诊断方法及在线监测装置 |
CN110070179A (zh) * | 2019-04-28 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种识别高压线缆局部放电的方法及装置 |
CN110070179B (zh) * | 2019-04-28 | 2023-05-02 | 山东浪潮科学研究院有限公司 | 一种识别高压线缆局部放电的方法及装置 |
CN112881879A (zh) * | 2021-04-16 | 2021-06-01 | 国网黑龙江省电力有限公司大庆供电公司 | 一种高压电缆终端局部放电模式识别方法、装置及设备 |
CN114492543A (zh) * | 2022-04-12 | 2022-05-13 | 国网山东省电力公司东营供电公司 | 一种基于时频域特征的局部放电分类识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526434A (zh) | 一种局部放电模式的识别方法和装置 | |
CN104198898B (zh) | 基于脉冲序列分析的局部放电发展过程诊断方法 | |
CN109975665B (zh) | 一种电力设备局部放电信号放电类型识别方法 | |
CN104545887B (zh) | 伪差心电波形识别方法和装置 | |
CN110108992B (zh) | 基于改进随机森林算法的电缆局放故障识别方法、系统 | |
CN108693448B (zh) | 一种应用于电力设备局部放电模式识别系统 | |
CN104198899B (zh) | 一种多放电源情况下变压器局部放电类型识别方法 | |
CN103698669B (zh) | 一种高压电力设备局部放电脉冲分离方法 | |
CN110554284B (zh) | 基于gis设备的局放检测方式的相关性分析方法及系统 | |
CN108196164B (zh) | 一种用于强背景噪声下电缆故障点放电声音信号提取方法 | |
CN105372531A (zh) | 基于Weibull分布模型的变压器绝缘热老化参数相关性计算方法 | |
CN103091612A (zh) | 一种变压器油纸绝缘多局部放电源信号的分离与识别算法 | |
CN106443380B (zh) | 一种配电电缆局部放电信号识别方法及装置 | |
CN115728612A (zh) | 变压器放电故障诊断方法及装置 | |
CN106707118B (zh) | 局部放电模式识别方法和装置 | |
CN114417926A (zh) | 一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法及系统 | |
CN110673000B (zh) | 一种油浸式电流互感器局部放电在线监测方法及装置 | |
CN108197073A (zh) | 一种改进的电动汽车充电电能信号特征分析方法 | |
CN113076354A (zh) | 一种基于非侵入式负荷监测的用户用电数据分析方法和装置 | |
CN112581940A (zh) | 基于边缘计算与神经网络的放电声音检测方法 | |
CN111025100A (zh) | 变压器特高频局部放电信号模式识别方法与装置 | |
CN115410599A (zh) | 一种基于声纹感知的变压器运行状态识别的方法及系统 | |
CN114065824A (zh) | 一种对局部放电信号类型快速识别的方法 | |
CN114117923A (zh) | 基于混沌特征空间的高压并联电抗器状态判断系统及方法 | |
CN106344011A (zh) | 一种基于因子分析的诱发脑电信号提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |